NVIDIA Corporation

CT・MRIの3次元画像で、画像の圧縮・再構成を担うMAISI VAEを追加学習します。入力の事前確認、学習設定の準備、チェックポイント保存や損失の記録に対応します。

• GPU学習前に入力を確認したいとき
• CT・MRIでVAEを追加学習したいとき
• 学習ごとの再構成損失の比較

NVFLAREの変換スキルが参照する共通ルールとテンプレートを提供します。依存関係の導入、サイト別データ配置、検証、独自集約の作業を支える内部用資料です。

• 変換時の依存関係の導入ルール確認
• 参加サイト別のデータパス確認
• 共通の検証・報告手順の参照

VSS Alerts Blueprintの検証モードで物体検出モデルを交換し、ONNXの配置から検出結果の読み取り設定、TensorRTの構築、再デプロイまでを支援します。

• 検証用の検出モデルを交換したいとき
• 独自パーサーの読み込み失敗を調べたいとき
• ONNX配置やエンジン再構築を直したいとき

合成データ生成に使うNVIDIAのAI基盤を、MicroK8sやAzure AKS上に構築し、推論環境の配置から検証、規模調整、障害復旧まで進めるスキルです。

• MicroK8sに合成データ生成環境を構築
• Azure AKSにOSMOと推論環境を配置
• 規模拡大前にGPU枠や容量を確認

CT画像から指定した臓器の領域をVISTA3Dで分け、ラベル画像と臓器ごとの体積、入力との整合性などを記録し、研究・開発向けの検証材料を出力するスキル。

• CTの肝臓・脾臓・左右腎臓を抽出
• 臓器別の画素数と体積を記録
• 出力の形状や想定外ラベルの確認

NV-Generate-CTMRのrflow-mrで、体の合成MRI三次元画像を生成します。設定や乱数シードを指定し、出力画像の形状・画素間隔・数値の検証結果を記録します。

• 実験用の合成MRIを生成したいとき
• T1やT2などのMRI生成を試す
• 設定や乱数シードによる出力比較

OSMO上で動画データのバリエーション作成と自動ラベル付けを進めます。実行前の環境確認から処理の監視、成果物の取得、元動画との並列比較までを扱います。

• 元動画に自動ラベルを付けたいとき
• 動画を拡張してラベルを付けたいとき
• 元動画と拡張動画を一括処理

VSS Alerts Blueprintの画像と言葉を扱うモデルを切り替え、アラート生成・検証・対話の各サービスを個別に設定し、起動状態と実際の応答を確認します。

• 3サービスのモデル接続先を変えたいとき
• 外部モデルで単独起動したいとき
• コンテナ内でモデルを動かしたいとき

単一GPUに収まらない入力を複数GPUへ分割するため、PhysicsNeMoの学習・推論スクリプトへの領域並列化の導入、演算の拡張、出力と勾配の検証を支援するスキル。

• 単一GPUに収まらない入力を扱いたいとき
• 領域並列化とDDPやFSDP2の併用
• 新しい演算をShardTensorに対応

物理現象の予測やシミュレーション向けに、PhysicsNeMoの現行ファイルからモデル候補、データ入力処理、参考例を探し、用途に沿って案内します。

• 物理現象の予測モデルを探したいとき
• 格子やメッシュ向けモデルの比較
• データ形式に合う入力処理の探索

複数拠点に分かれた表や画像のデータから、元データを共有せずに統計を集計し、NVFLAREで拠点別・全体の要約と出力の検証結果をまとめます。

• 拠点ごとの数値分布を比較したいとき
• 複数拠点の平均・分散・分位点の集計
• 画像件数と画素値の分布の把握

センサー記録からの3Dシーン再構成や描画に向け、NVIDIA NuRecの関連スキルを選び、データ取得から学習・仕上げまでの作業順を整理します。

• 目的に合うNuRecスキルの選定
• センサー記録からの3D再構成計画
• 学習済みNuRecシーンの描画

稼働中のNVIDIA RAG Blueprintに対し、YAML設定で処理時間の内訳や負荷時の応答速度を測定し、同時実行数や検索件数による違いを比較するスキル。

• RAGサーバーの遅い処理を特定したいとき
• 同時実行数ごとの性能比較
• 検索・並べ替え設定の影響を測りたいとき

Hugging FaceのTrainerを使う既存の学習コードを、複数拠点でモデルを学習するNVFLAREのジョブへ変換し、ローカル検証と出力まで進めます。

• Trainerの学習を連合学習へ移したいとき
• PEFTやLoRAの連合学習対応
• 変換時に評価指標を引き継ぎたいとき

USD形式の3Dシーンを表示するアプリの開発を支援します。ブラウザ配信やローカル実行に応じて、描画・操作・画面構成・検証に必要な手順を選びます。

• USDのブラウザビューアーを作りたいとき
• ローカル実行のビューアー開発
• カメラ操作や物体選択を追加したいとき

USD形式の3Dシーンで読み込みの遅さやメモリ使用量、低い描画速度を調べ、検証と最適化、変更前後の比較レポート作成まで進めるスキル。

• USDシーンの読み込み遅延の調査
• 描画速度低下やメモリ使用量の診断
• 大規模CADシーンの重複構造の確認

NVIDIA TAO Visual ChangeNetによる外観検査の失敗を、予測スコアと実画像から調べ、見逃しや誤判定の原因、改善案と影響を報告書にまとめるスキル。

• 欠陥の見逃しや再現率低下の原因調査
• FAR悪化や誤検出の分析
• 参照画像と検査データの監査

RTX Remixの既存プロジェクトを開き、ゲーム内のモデルやテクスチャを差し替えます。編集先レイヤーの指定から保存、変更内容の確認まで扱います。

• 旧作ゲームのテクスチャ差し替え
• 取り込み済みモデルの差し替え
• シーンのレイヤー別編集

物体検出の予測と正解データをTAO Data Servicesで照合し、クラス別の適合率・再現率・APなどを集計します。CSVとPR曲線で結果を確認できます。

• 物体検出の予測を正解と照合したいとき
• クラス別の適合率と再現率の確認
• 評価CSVとPR曲線の作成

文書検索を組み合わせて回答するRAGの品質を、評価データの準備からRAGASの結果分析まで支援します。検索件数や生成設定を変えた比較、評価エラーの調査にも使えます。

• 評価用の文書と質問を準備したいとき
• 検索・生成設定ごとの品質比較
• RAGASの評価結果の分析

既存のPyTorch学習コードを、データを各拠点に置いたまま学ぶNVFLAREの連合学習ジョブへ変換し、評価処理の移植からローカル検証、書き出しまで進めるスキル。

• 手書きの学習ループを連合学習に移したいとき
• 既存の評価処理を連合学習に組み込みたいとき
• FedAvgジョブの検証と書き出し

実装済み基板や金属表面、ガラスの外観検査向けに、欠陥画像の生成・加工・ラベル付けをOSMO上で進め、初期データ作成や追加学習を支援するスキル。

• CADから基板検査の初期データを作りたいとき
• 基板の表面欠陥や姿勢異常を生成したいとき
• 実写の検査画像を推論・ラベル付けしたいとき

NVIDIA RAG Blueprintの導入から機能設定、障害調査、停止までを支援します。実行環境と稼働状態を確認し、検索やモデル、文書取り込みの設定変更を進めます。

• RAG環境を導入したいとき
• 検索や文書取り込みの設定変更
• モデル変更や画像機能の有効化

既存のエージェントスキルから根拠を集め、用途や制約、リスクを整理した管理用カードを作成・更新します。人による法務・安全性レビューに向けた資料づくりを支援するスキル。

• 既存スキルの管理用カード作成
• スキル変更後のカード更新
• 法務・安全性レビューの資料準備